大数据应用型人才培养新模式研究

夏婷　苏永红　黄小倩

[摘 要]当今社会已进入大数据时代，大数据人才缺口大、需求迫切，大数据专业已成为国家新兴战略专业。应用型高校肩负大数据应用型人才培养的使命，应基于成果导向教育理念，发挥办学模式灵活的特点，将教育链对接产业链，重构人才知识、技能和素质结构。基于此，探索和构建了“一体两翼四支撑”的大数据应用型人才培养新模式：以大数据产业学院为主体，构建高校、地方政府、行业协会、企业四位一体的共建共管组织架构，以培养专业技能为主要目标的“融合进阶工学交替”为第一翼，以培养综合素质为主要目标的“全素质链协同育人”为第二翼，以“资源、方法、团队、质量保障机制”为支撑系统，为提高人才培养质量提供借鉴。

[关键词]大数据；应用型人才；培养模式；产业学院；综合素质

[中图分类号] G642            [文献标志码] A [文章编号] 1008-2549（2023） 05-0062-05

一、大数据应用型人才培养的时代背景和现状

大数据技术已广泛渗透在政府治理、民生服务、数据安全、工业转型、日常生活等各个领域，特别是新冠肺炎疫情加速了全球数字化进程和大数据技术的发展，大数据的应用越来越彰显其优势，大数据时代已来临。全球最顶尖的管理咨询公司麦肯锡指出，目前中国大数据岗位人才缺口达150万人。国务院出台了《促进大数据发展行动纲要》，数据科学与大数据技术专业已上升为国家新兴战略专业。

至 2022年，已有715所高校获批数据科学与大数据技术专业（以下简称大数据专业），其中包括众多应用型高校。[1]应用型高校培养的大数据人才应既不同于学术性高等教育培养的研究型人才，又区别于专科层次职业教育培养的岗位技能型人才。[2]而是既具备服务大数据产业发展的核心专业技能，又能从事大数据应用研究的高素质应用型人才。但人才培养现状却差强人意，主要问题及其原因分析如下：

（一）缺乏大数据应用型人才培养所需的教育资源

大多数应用型高校现有的大数据教育资源包括师资力量不能很好地支撑大数据应用型人才培养，教学环境和教学内容落后于企业的技术现状，缺乏大数据专业必需的数据资源和项目化的训练。虽然众多高校尝试通过校企合作来解决此问题，但深度不够，产教没有有机融合，主要体现在政府在校企合作中的无为性，行业、企业在校企合作中的被动性，高校在校企合作中的无力性。[3]原因是缺乏高校、政府、行业和企业共建共管的组织架构和治理模式，无配套完备的运行制度和组织载体。

（二）人才培养方案的知识能力结构与大数据应用型岗位需求不匹配

大数据行业对应用型人才的专业技能、跨学科知识结构要求较高，很多应用型高校的人才培养方案要么与学术研究型高校类似，要么与职业技能型院校类似，没有体现应用型人才的特色，知识结构单一，缺乏跨学科知识重组，人才的知识、能力结构不能满足大数据应用型岗位的要求。原因是人才培养方案的构建主要是从学科需要出发，强调学科知识体系的系统性和完整性，没有从分析大数据应用型人才应具备的知识与能力结构入手。

（三）人才综合素质不能满足大数据行业对应用型人才的需求

随着新产业革命的到来，新产业发展和新技术创新迫使新工科人才的素质发生改变。[4]教育部颁布的“天大行动”中明确指出：“要促进工科学生的全面发展，把握好新工科人才的核心能力素养，强化工科学生的家国情怀、全球视野、法治意识和生态意识，培养学生设计思维、工程思维、批判性思维和数字化思维，提升创新创业、跨学科交叉融合、自主终身学习、沟通协商能力和工程领导力。”[5]大数据专业是典型的新工科专业，大数据行业需要具备以上综合素质的应用型人才，但现状是学生综合素质较薄弱。除了第一课堂的潜移默化外，与第一课堂紧密衔接的第二课堂是培养综合素质的主要抓手。而种类繁多、不断加码的各种课外活动使学生的第二课堂存在内涵空心化、活动碎片化、運行孤立化、培养单一化的“四化困局”，缺少行业、企业和高校一起对活动的宏观把控和系统设计，育人效果受限。因此，第二课堂不能单纯做加法，应结合培养目标善做乘法，需校企协同构建一个系统、全面的第二课堂育人体系。

二、大数据应用型人才培养新模式的构建

基于成果导向教育（outcome based education，OBE）理念，应用型高校应培养以社会需求为导向、以实践应用为中心、以知识能力复合为特征的高素质大数据应用型人才，针对应用型高校大数据人才培养遇到的问题，构建“一体两翼四支撑”人才培养模式：以大数据产业学院为主体，以“融合进阶工学交替”和“全素质链协同育人”为两翼，以“资源、方法、团队、质量保障机制”为支撑系统，如图1所示。

（一）主体——大数据产业学院

“天大行动”“复旦共识”“北京指南”的形成，明确了“打造共商、共建、共享的工程教育责任共同体，深入推进产学合作、产教融合”是大数据专业等新工科建设的重要路径。[5][6][7]因此，建设大数据产业学院，打造高校、地方政府、行业协会、企业机构（简称“政校行企”）四位一体的协同育人平台，打破体制壁垒，建立以大数据产业学院领导委员会为中心，各相关委员会为支撑的共建共管组织架构，各委员会由“校行企”专家共同组建，如图2所示。

（二）第一翼——融合进阶工学交替

专业技能是学生的核心竞争力，为实现人才培养和社会需求无缝对接，由专业建设委员会进行顶层设计，产教深度融合，构建学科交叉融合的进阶式工学交替人才培养方案，如图3所示。

1.开展专业启蒙教育和跨学科通识教育

职业发展指导中心利用行业企业的资源，组织学生到大数据及其产业链企业见习，对学生进行专业启蒙教育，让学生认识到大数据行业对应用型人才知识、能力和素质的需求。基于OBE理念，让学生根据行业需求确定学习目标，带着目标进入通识课程学习。通过跨学科知识重组，建设特色通识教育体系，包括人文艺术模块、自然科学与技术模块、数理逻辑与思维模块、社会与行为科学模块等，在打牢数理基础的同时，培养批判思维、抽象思维、人文素养，拓宽视野。

2.项目驱动式工学交替，逐步进阶

教学指导委员会组织专业课程建设，按照工程逻辑进行跨学科知识重组，[8]构建层次清晰、衔接紧密、相互支撑的模块化课程体系，如数据获取模块、大数据架构模块、数据存储及处理模块、数据分析模块等。将企业实际项目脱敏后按模块分解、整合到课程链中，建立“课程设计-小综合实训-大综合实训”不断线的项目驱动式教学体系，如网络爬虫小综合实训、大数据平台搭建小综合实训、海量数据存储及处理大综合实训、数据分析大综合实训等。

校企双方根据学习进度，采用“大学期+小学期”的模式进行“双螺旋”工学交替。大二阶段，每3～4个月的大学期学习了一个课程模块后，利用1～2个月的小学期，到企业进行一次小综合实训，训练学生的单元技能。大三阶段，在学习了多个课程模块后，利用小学期到企业进行大综合实训，提升学生的综合技能。理论与实践相互交融、螺旋上升。

3.学科融合互动的场景式教学，实现高阶培养

大数据应用型人才培养需要“大工程观”，即包括宏大或复杂工程视野、工程的多学科视野及其所需要的科学基础素养，此外还应包含相应的人文情怀及工程组织素养。[9]基于“大工程观”的教育理念，以企业级的工程实践教育基地为依托，以企业真实完整的项目为驱动，以“成果牵引、团队合作、融合互动”为特征，完成毕业实习。实习项目严格按照企业的过程标准和评价标准进行场景式教学，学生不仅要完成数据采集、存储、分析和计算全流程的项目开发，还要学习与项目相关的跨学科的知识技能，培养实践应用能力和工程思维。学生在项目中体验各种角色，不同专业学生组成技术团队，通过实践互动进一步培养学科交叉融合能力。在整个开发迭代周期中逐渐升级、完善个人能力，直至达到企业相应岗位能力标准，进而实现顶岗实习。与此同时，职业发展指导中心的老师通过模拟招聘、一对一分析应聘技巧、总结经验，指导学生靈活、机智地展现自己的就业力，强化就业技能，为学生顺利就业保驾护航。

（三）第二翼——全素质链协同育人

依托大数据产业学院，“政校行企”协同，构建以综合素质培养为核心，以学科竞赛为主线，以科技创新活动为抓手，以1+X职业技能认证为补充的全素质链第二课堂协同育人体系。

1.以学科竞赛为主线

竞赛指导委员会依托大数据产业学院的资源，组织参加或举办大数据“信创”大赛等各类学科竞赛。创新创业俱乐部根据科技竞赛类别下设若干分协会，跨学科组建团队参加各类竞赛。学生全员加入创新创业俱乐部，进行分层分类培养，一年级重“兴趣”，二年级重“沟通”，三年级重“创新”。团队建设、赛前培训、比赛安排、赛后总结等组织、策划工作皆由俱乐部学生完成，培养学生的自主学习能力、团队协作能力、沟通协商能力和工程领导能力。

2.以科技创新活动为抓手

由产学研指导中心规划和开展多种科技创新活动。

创新创业项目孵化，如“一班一项目”活动，即一个班在一年时间内完成一个项目的开发，实现从班级授课制到科研团队探究制转变。班上同学全员参与，相互促进，良性循环，聘请有创新创业实践经验的企业家作为项目的指导教师、创业一对一帮扶导师等，有利于创新创业教育的内容贴近创新创业实际环境，更有利于提高“知识技能-生产应用”的转化效果和效率；与大数据企业合作，成立工作室或创客空间，搭建横纵向项目的合作平台，校企通过科技创新、成果转化，最终实现共赢；响应政府和大数据行业的需求，结合高校专业优势，成立“大数据安全教育”等公益教育团队，开展社会实践活动。

通过创新创业俱乐部组织和输送学生加入各种科技创新活动中，系统培养学生的创新能力、团队协作能力、法制意识和家国情怀。

3.以1+X职业技能认证为补充

职业发展指导中心通过与信息技术应用创新（即自主可控国产化，简称“信创”[10]）企业联合申报大数据 “学历证书+若干职业技能等级证书”即1+X [11]考点、培训教师和学生，建设大数据1+X职业技能认证基地。为学生制定科学合理的培训方案，通过 X 证书赋予学生更加贴合企业需求的能力。

（四）四支撑——“资源、方法、团队、质量保障机制”教学支撑系统

充分发挥信息时代的优势，采用信息化手段，构筑“资源、方法、团队、质量保障机制”教学支撑系统。

1.线上线下同步，教学资源丰富

除了传统的线下教学资源外，同步引进和建设在线开放课程；引入企业云教育平台、云网实践平台、实验工坊虚拟仿真实验平台等，使教学条件与行业技术发展同步。各种优质的教学资源丰富，为教学各环节提供有力支撑。

2.以学生为中心，教学方法多元

在课堂教学中推广使用翻转教学、BOPPPS教学法、微格教学法、对分课堂等多种教学方式，搭配信息技术和丰富的线上资源，实施线上线下混合式教学。激发学生内在的学习兴趣，把教的创造性留给老师，把学的主动权还给学生，[12]可促进知识的有效迁移与转化。

3.跨专业、跨学科，师生团队能力强

多专业打通、跨学科组建高水平师生团队，构建多团队布局，融合共生，支撑教育教学方方面面。根据课程类别和课程内容跨专业组建课程组，解决课程建设和交叉问题；组建教学改革团队，通过教师授课竞赛、教学法工作坊等由点到面，推行教学法改革；通过校企互聘、教师技能竞赛及技能培训，打造“双师双能型”教师团队；以“一班一项目”、工作室、科技竞赛为载体打造可传帮带的科技创新团队；创新创业俱乐部学生骨干组成小导师团队，培训和管理俱乐部学生，为科技创新孵化和输送人才。

4.双闭环，培养质量有保障

通过过程监控机制、跟踪反馈机制、持续改进机制，构建质量保障双闭环结构，保障培养质量，如图4所示。

（1）全局反馈环

基于OBE理念，根据大数据行业岗位需求，分析应用型人才期望能力素质指标，将能力素质指标渗透到人才培养全过程。通过对学生实施“融合进阶工学交替（第一翼）”和“全素质链协同育人（第二翼）”的教学环节，实现能力素质指标的达成。建立以就业单位和毕业生为主体的跟踪反馈机制，跟踪、统计每个毕业生的就业去向和就业质量、用人单位对毕业生的满意度以及毕业生和用人单位对人才培养的意见和建议。通过数据沉淀，应用大数据分析系统，生成准确、立体的学生实际能力画像。比较学生的实际能力素质和期望能力素质指标，若匹配度不够，则调整教学环节；若行业期望的能力素质指标发生变化，则调整能力素质指标。循环往复，持续改进，使学生实际能力素质与行业能力素质要求匹配。

（2）局部反饋环

建立线上线下同步运行的过程监控机制，通过信息化平台，记录学生学习过程数据，准确反应教师教学状态和学生学习状态。在每个教学环节进行中和完成后，评价教学质量，分析学生能力增长变化及与行业需求能力素质指标的差距，若阶段性能力素质达成度不够，或有疫情突发、新技术出现、新政策实施等外因扰动时，通过及时调整当前和之后的教学内容、切换线上线下教学形式等，实时改进，螺旋式前进，使各个教学环节能确保能力素质达成。

三、结语

在全球信息化快速发展的大背景下，大数据已成为国家重要的基础性战略资源，正引领新一轮科技创新，推动经济转型发展，大数据人才已成为国家新兴战略人才。在错综复杂的国内外形势下，我国处于发展的重要战略机遇期，应用型高校必须抓住大数据产业发展和技术创新的机遇，担起培养大数据应用型人才的责任，大力推动人才培养模式改革，培养出能支撑国家重大发展战略和产业转型升级的能力素质过硬的大数据应用型人才。

参考文献：

[1]教育部.教育部关于公布2021年度普通高等学校本科专业备案和审批结果的通知[EB/OL].http：//www.moe.gov.cn/srcsite/A08/moe_1034/s4930/202202/t20220224_602135.html.

[2]教育部.教育部关于“十三五”时期高等学校设置工作的意见[EB/OL]. http：//www.moe.gov.cn/srcsite/A03/s181/201702/t20170217_296529.html.

[3]陈春晓，王金剑．应用型本科高校产业学院发展现状、困境与对策[J/OL].高等工程教育研究. https：//kns.cnki.net/kcms/detail/42.1026.G4.20200727.1129.022.html.

[4]姜晓坤，朱泓，李志义.新工科人才培养新模式[J].高教发展与评估，2018，34（2）：17-24.

[5]教育部高教司.“新工科”建设行动路线（“天大行动”）[EB/OL]. http：//www.moe.gov.cn/s78/A08/moe_745/201704/t20170412_302427.html.

[6]教育部高教司.“新工科”建设复旦共识[EB/OL]. http：//www.moe.gov.cn/s78/A08/moe_745/201702/t20170223_297122.html．

[7]教育部.新工科建设形成“北京指南”[EB/OL].http：//www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/moe_1485/201706/t20170610_306699.html.

[8]宁慧聪.中国大数据专业建设的跨学科模式研究[J].计算机科学，2019，46（11A）：159-162.

[9]李培根.工程教育需要大工程观[J].高等工程教育研究，2011（3）：1-3.

[10]依琰.信创产业加速扩展 国产替代提速[EB/OL].http：//it.people.com.cn/n1/2020/0831/c1009-31842279.html.

[11]国务院.国家职业教育改革实施方案[EB/OL].http：//www.gov.cn/zhengce/content/2019-02/13/content_5365341.htm.

[12]叶宇平，何笑.智慧教育引领教学方式新变革[J].高教发展与评估，2020，36（4）：87-96.

（责任编辑：杜家和）

A New Mode of Application-Oriented Talents Cultivation of Big Data with "One Body， Two Wings and Four Supports"

Xia Ting  Su Yonghong  Huang Xiaoqian

（College of Information Engineering ， Wuhan Huaxia Institute of Technology）

Abstract： The era of big data has come. There is a large talent gap and urgent demand for big data. Big data has become a national emerging strategic major. Application-oriented universities shoulder the mission of cultivating application-oriented talents of big data. They should take the outcome based education （OBE） concept， give play to the flexible characteristics of school-running mode， connect the education chain with the industrial chain， and reconstruct the knowledge， skills and quality structure of talents. Therefore， a new mode of big data application-oriented talents cultivation with "one body， two wings and four supports" has been explored and constructed. Industry college of big data is the main body. Based on it， a four-in-one co-construction and co-management organizational structure of universities， local governments， industry associations and enterprises can be constructed. The first wing is "integrated and advanced learning and training alternation"， which aims at cultivating professional skills. The second wing is "comprehensive quality chain collaborative education"， which aims at cultivating comprehensive quality. "Resource， method， team and quality assurance mechanism" constitute the support system，which provides reference for improving the quality of talent cultivation.

Key words： Big data; Application-oriented talents; Cultivation mode; College of industry; Comprehensive quality